NumPy或Pandas：保持数组types为整数，同时具有NaN值

是否有一个首选的方法来保持numpy数组的数据types固定为int （或int64或其他），同时还有一个列表中的元素列为numpy.NaN ？

特别是，我将内部数据结构转换为Pandas DataFrame。在我们的结构中，我们有整数types的列仍然有NaN（但列的dtype是int）。如果我们把这个数据框设置成DataFrame的话，似乎所有东西都会重新浮动，但我们真的很想成为int 。

思考？

事情尝试：

我尝试使用from_records()下的from_records()函数， coerce_float=False ，这没有帮助。我也尝试使用NumPy屏蔽数组，NaN fill_value，也没有工作。所有这些导致列数据types成为一个浮点数。

NaN不能存储在整数数组中。这是目前大pandas的一个已知限制。我一直在等待NumPy的NA值取得进展（类似于R中的NAs），但是在NumPy获得这些特性之前至less要有6个月到一年的时间，看来：

如果性能不是主要问题，则可以存储string。

 df.col = df.col.dropna().apply(lambda x: str(int(x)) )

然后你可以尽可能多的和NaN混合。如果你真的想要整数，取决于你的应用程序，你可以使用-1 ，或0 ，或1234567890 ，或其他一些专用的值来表示NaN 。

您也可以临时复制列：一个像你一样，用浮动; 另一个实验，用整数或string。然后在每个合理的地方插入asserts ，检查两者是否同步。经过足够的testing，你可以放开浮游物。